CN105404863A - 人物特征识别方法及*** - Google Patents
人物特征识别方法及*** Download PDFInfo
- Publication number
- CN105404863A CN105404863A CN201510780637.1A CN201510780637A CN105404863A CN 105404863 A CN105404863 A CN 105404863A CN 201510780637 A CN201510780637 A CN 201510780637A CN 105404863 A CN105404863 A CN 105404863A
- Authority
- CN
- China
- Prior art keywords
- facial image
- face image
- image
- packets
- facial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种人物特征识别方法及装置。所述方法包括:对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;从所述至少一个人脸图像分组中选择目标人脸图像分组;针对每个所述目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像;对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。由此,可以达到仅利用属于同一人物的部分人脸图像来确定出该人物的人物特征的效果,这样,无需对该人物的全部人脸图像都进行人物特征信息识别,从而可以降低计算量,提高人物特征识别效率。
Description
技术领域
本公开涉及人脸识别领域,尤其涉及人物特征识别方法及***。
背景技术
目前,用户终端设备大都支持人脸识别技术。在用户终端设备获取到一个人脸图像后,其可以提取出人脸特征信息。之后,利用预设的年龄识别模型或性别识别模型,对所提取出的人脸特征信息进行识别,以确定出该人脸图像表示的人物的年龄或性别。通过这一技术,可以方便用户获悉关于该人物的人物特征。
发明内容
为克服相关技术中存在的问题,本公开提供一种人物特征识别方法及装置。
根据本公开实施例的第一方面,提供一种人物特征识别方法,所述方法包括:对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;从所述至少一个人脸图像分组中选择目标人脸图像分组;针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
结合第一方面,在第一种可能的实施方式中,所述从所述至少一个人脸图像分组中选择目标人脸图像分组,包括:显示所述至少一个人脸图像分组的分组选择界面;接收用户在所述分组选择界面上进行的对所述至少一个人脸图像分组的选择操作指令;将用户选择的人脸图像分组作为所述目标人脸图像分组。
通过第一方面的第一种可能的实施方式,用户可以将感兴趣的人物对应的人脸图像分组选为目标人脸图像分组,从而便于用户获悉到感兴趣的人物的人物特征信息。
结合第一方面或第一方面的第一种可能的实施方式,在第二种可能的实施方式中,所述将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像,包括:将所述目标人脸图像分组中的第一数量的人脸图像标记为所述代表人脸图像,其中,所述第一数量基于所述目标人脸图像分组中的人脸图像的总数、以及针对所述目标人脸图像分组预设的比例来确定。
通过第一方面的第二种可能的实施方式,可以综合考虑人物特征信息识别的准确度要求、用户终端设备的计算处理能力等,来针对不同的目标人脸图像分组设定其对应的比例,从而可以在保证人物特征信息识别的准确度的同时,尽可能提高识别效率,减小计算量,从而维持用户终端设备的总体性能。
结合第一方面的第二种可能的实施方式,在第三种可能的实施方式中,所述目标人脸图像分组中的人脸图像的总数越多,针对所述目标人脸图像分组预设的比例越小。
通过第一方面的第三种可能的实施方式,可以在目标人脸图像分组中的人脸图像的总数较多的情况下,适当将比例设定得小一些,从而避免标记过多的代表人脸图像而使计算量大幅度增加、识别效率降低;而在目标人脸图像分组中的人脸图像的总数较少的情况下,可以适当将比例设定得大一些,从而避免标记过少的代表人脸图像而使人物特征信息识别的准确度降低。
结合第一方面或第一方面的第一种可能的实施方式,在第四种可能的实施方式中,所述将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像,包括:根据所述目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像;从所述目标人脸图像分组中获取与所述第一参考人脸图像相似度最高的人脸图像,并将所述相似度最高的人脸图像添加到参考人脸图像集合中;判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量;在所述参考人脸图像集合中的人脸图像的总数小于所述第二数量的情况下,从所述目标人脸图像分组中、除所述参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到所述参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将所述相似度最低的人脸图像添加到所述参考人脸图像集合中;重复执行所述判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量,直到所述参考人脸图像集合中的人脸图像的总数等于所述第二数量为止;在所述参考人脸图像集合中的人脸图像的总数等于所述第二数量的情况下,根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像。
通过第一方面的第四种可能的实施方式,获得的参考人脸图像集合中包括的人脸图像中涵盖了目标人脸图像分组中相对核心的人脸图像(大约分布在该类的中心)、以及目标人脸图像分组中相对边缘的人脸图像(大约分布在该类的边缘),这样,基于这些人脸图像来在目标人脸图像分组中标记代表人脸图像,可以使得标记出的代表人脸图像能够更为全面地表示该人物,而不是仅仅局限于整个目标人脸图像分组的类分布中相对集中的几个人脸图像,从而提高人物特征信息识别的准确性。
结合第一方面的第四种可能的实施方式,在第五种可能的实施方式中,所述根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像,包括:在所述目标人脸图像分组中,将包括在所述参考人脸图像集合中的人脸图像标记为所述代表人脸图像;或者,所述根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像,包括:以所述第一参考人脸图像为目标,对所述参考人脸图像集合中的人脸图像进行收缩处理,得到所述第二数量的第二参考人脸图像;针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
通过第一方面的第五种可能的实施方式,通过先对参考人脸图像集合中的人脸图像进行收缩处理,并从目标人脸图像分组中获取与收缩得到的参考人脸图像最相似的人脸图像作为代表人脸图像,由此,可以避免因位于类边缘的人脸图像自身的不清晰而对人物特征信息识别产生干扰,从而进一步提高人物特征信息识别的准确度。
结合第一方面的第五种可能的实施方式,在第六种可能的实施方式中,所述针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像,包括:针对每个所述第二参考人脸图像,将所述目标人脸图像分组的除被标记为所述代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
通过第一方面的第六种可能的实施方式,可以针对不同的第二参考人脸图像,标记出不同的代表人脸图像,从而保证代表人脸图像数量与第二参考人脸图像的数量相同,以确保人物特征信息识别的准确性。
根据本公开实施例的第二方面,提供一种人物特征识别装置,所述装置包括:聚类模块,被配置为对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;选择模块,被配置为从所述至少一个人脸图像分组中选择目标人脸图像分组;标记模块,被配置为针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;识别模块,被配置为对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
结合第二方面,在第一种可能的实施方式中,所述选择模块包括:显示子模块,被配置为显示所述至少一个人脸图像分组的分组选择界面;接收子模块,被配置为接收用户在所述分组选择界面上进行的对所述至少一个人脸图像分组的选择操作指令;选择子模块,被配置为将用户选择的人脸图像分组作为所述目标人脸图像分组。
结合第二方面或第二方面的第一种可能的实施方式,在第二种可能的实施方式中,所述标记模块包括:第一标记子模块,被配置为将所述目标人脸图像分组中的第一数量的人脸图像标记为所述代表人脸图像,其中,所述第一数量基于所述目标人脸图像分组中的人脸图像的总数、以及针对所述目标人脸图像分组预设的比例来确定。
结合第二方面的第二种可能的实施方式,在第三种可能的实施方式中,所述目标人脸图像分组中的人脸图像的总数越多,针对所述目标人脸图像分组预设的比例越小。
结合第二方面或第二方面的第一种可能的实施方式,在第四种可能的实施方式中,所述标记模块包括:参考人脸图像确定子模块,被配置为根据所述目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像;第一获取子模块,被配置为从所述目标人脸图像分组中获取与所述第一参考人脸图像相似度最高的人脸图像,并将所述相似度最高的人脸图像添加到参考人脸图像集合中;判断子模块,被配置为判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量;第二获取子模块,被配置为在所述参考人脸图像集合中的人脸图像的总数小于所述第二数量的情况下,从所述目标人脸图像分组中、除所述参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到所述参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将所述相似度最低的人脸图像添加到所述参考人脸图像集合中;循环子模块,被配置为重复运行所述判断子模块,直到所述参考人脸图像集合中的人脸图像的总数等于所述第二数量为止;第二标记子模块,被配置为在所述参考人脸图像集合中的人脸图像的总数等于所述第二数量的情况下,根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像。
结合第二方面的第四种可能的实施方式,在第五种可能的实施方式中,所述第二标记子模块包括:第三标记子模块,被配置为在所述目标人脸图像分组中,将包括在所述参考人脸图像集合中的人脸图像标记为所述代表人脸图像;或者,所述第二标记子模块包括:收缩处理子模块,被配置为以所述第一参考人脸图像为目标,对所述参考人脸图像集合中的人脸图像进行收缩处理,得到所述第二数量的第二参考人脸图像;第四标记子模块,被配置为针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
结合第二方面的第五种可能的实施方式,在第六种可能的实施方式中,所述第四标记子模块,被配置为针对每个所述第二参考人脸图像,将所述目标人脸图像分组的除被标记为所述代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
根据本公开实施例的第三方面,提供一种人物特征识别装置,所述装置包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;从所述至少一个人脸图像分组中选择目标人脸图像分组;针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像,从所述至少一个人脸图像分组中选择目标人脸图像分组,针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像,对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息,可以达到仅利用属于同一人物的部分人脸图像来确定出该人物的人物特征的效果,这样,无需对该人物的全部人脸图像都进行人物特征信息识别,从而可以降低计算量,提高人物特征识别效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种人物特征识别方法的流程图。
图2是根据另一示例性实施例示出的一种人物特征识别方法的流程图。
图3是根据另一示例性实施例示出的一种人物特征识别方法的流程图。
图4是根据另一示例性实施例示出的一种人物特征识别方法的流程图。
图5是根据另一示例性实施例示出的一种人物特征识别方法的流程图。
图6是在实施图5所示实施例提供的方法时用户终端设备的界面示意图。
图7是根据一示例性实施例示出的一种人物特征识别装置的结构框图。
图8是根据另一示例性实施例示出的一种人物特征识别装置的结构框图。
图9是根据另一示例性实施例示出的一种人物特征识别装置的结构框图。
图10A至图10C是根据另一示例性实施例示出的一种人物特征识别装置的结构框图。
图11是根据另一示例性实施例示出的一种人物特征识别装置的结构框图。
图12是根据一示例性实施例示出的一种人物特征识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种人物特征识别方法的流程图,该人物特征识别方法可以应用于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图1所示,该人物特征识别方法可以包括以下步骤。
在步骤S101中,对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在用户终端设备中可以设置有图库,该图库中存储有多张人脸图像。在本公开的各个实施例中,人脸图像是指包含有人脸的图像。通常情况下,图库中存储的是多个人物的人脸图像。通过步骤S101,可以将属于同一人物的人脸图像归为一个人脸图像分组。
在聚类初始时,可以将图库中的每张人脸图像作为一个类。假设图库中有N张人脸图像,那么在聚类初始时,一共有N个类。
之后,可以计算各个类之间的距离。其中,类与类之间的距离可以为两个类各自所包含的人脸图像之间的距离,其中,该距离可以为所包含的人脸图像之间的最小距离、最大距离或平均距离。此外,两个人脸图像之间的距离可以根据两个人脸图像的图像信息(该图像信息例如为包含人脸特征、拍摄时间等信息的多维向量)来计算。
例如,假设存在两个类,其中一个类中包含第一人脸图像,另一个类中包含第二人脸图像和第三人脸图像。那么,在一个实施方式中,这两个类之间的距离可以为第一人脸图像与第二人脸图像之间的距离、以及第一人脸图像与第三人脸图像之间的距离这二者中的最小者。或者,在另一个实施方式中,这两个类之间的距离可以为这二者中的最大者。或者,在另一个实施方式中,这两个类之间的距离可以为这二者的平均值。
接下来,当两个类之间的距离小于预定的距离阈值时,可以将这两个类合并成一个新的类。
重复上述计算各个类之间的距离的步骤以及后续的步骤,直到没有新的类产生。由此,就完成了对多张人脸图像的聚类操作,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在步骤S102中,从至少一个人脸图像分组中选择目标人脸图像分组。
在一个实施方式中,可以从至少一个人脸图像分组中任意选择其中一个或多个人脸图像分组,作为目标人脸图像分组。
在步骤S103中,针对每个目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像。
在一个目标人脸图像分组中可以包括多张人脸图像,这些人脸图像表示同一人物。可以从这些人脸图像中选取一部分作为该人物的代表人脸图像,并进行标记。在一个实施方式中,可以从一个目标人脸图像分组包括的人脸图像中,随机选取预定个数的人脸图像,并将这些预定个数的人脸图像标记为代表人脸图像,其中,该预定个数小于该目标人脸图像分组中的人脸图像的总数。
在步骤S104中,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
在本公开中,人物特征信息可以包括以下中的至少一者:年龄、年龄段、性别、开心度、人种等等。并且,在一些可选的实施方式中,为了降低用户终端设备的处理复杂度,人物特征信息至少包括以下中的至少一者:年龄、年龄段、性别。也就是说,至少识别出人物的年龄、年龄段、性别中的至少一者。
针对一个目标人脸图像分组,可以利用预设的人物特征信息识别模型,来对该目标人脸图像分组中的每个代表人脸图像进行识别。例如,可以利用预设的年龄识别模型来对每个代表人脸图像的人脸特征信息进行识别,得出每个代表人脸图像对应的年龄信息。这样,可以根据每个代表人脸图像对应的年龄信息,确定出该人物的年龄。例如,可以对每个代表人脸图像对应的年龄信息取平均,并将平均值作为该人物的年龄。此外,在一些可选的实施方式中,还可以根据得到的人物的年龄,确定出该年龄所处的年龄段。
再例如,可以利用预设的性别识别模型来对每个代表人脸图像的人脸特征信息进行识别,得出每个代表人脸图像对应的性别信息。这样,可以根据每个代表人脸图像对应的性别信息,确定出该人物的性别。例如,可以对每个代表人脸图像对应的性别信息进行统计,并将统计结果最多的性别作为该人物的性别。
本公开的实施例提供的技术方案可以包括以下有益效果:
通过对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像,从所述至少一个人脸图像分组中选择目标人脸图像分组,针对每个目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息,可以达到仅利用属于同一人物的部分人脸图像来确定出该人物的人物特征的效果,这样,无需对该人物的全部人脸图像都进行人物特征信息识别,从而可以降低计算量,提高人物特征识别效率。
图2是根据另一示例性实施例示出的一种人物特征识别方法的流程图,该人物特征识别方法可以应用于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图2所示,该人物特征识别方法可以包括以下步骤。
在步骤S201中,对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在步骤S202中,显示至少一个人脸图像分组的分组选择界面。
例如,用户终端设备可以从每个人脸图像分组中(任意)选取一张人脸图像作为显示对象,并显示在分组选择界面上,以使用户能够直观地获悉人脸分组结果。此外,用户可以在该界面上点击某张人脸图像,由此可以查看该人脸图像对应的人物的全部人脸图像。
在步骤S203中,接收用户在分组选择界面上进行的对至少一个人脸图像分组的选择操作指令。
在步骤S204中,将用户选择的人脸图像分组作为目标人脸图像分组。
例如,用户可以点击在用户终端设备上显示的某张人脸图像,来指示想要得知其人物特征信息的人脸图像分组。之后,用户终端设备可以接收到这一选择操作指令,并将用户选择的人脸图像分组作为目标人脸图像分组。
在步骤S205中,针对每个目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像。
在步骤S206中,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
通过这一实施方式,用户可以将感兴趣的人物对应的脸图像分组选为目标人脸图像分组,从而便于用户获悉到感兴趣的人物的人物特征信息。
图3是根据另一示例性实施例示出的一种人物特征识别方法的流程图,该人物特征识别方法可以应用于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图3所示,该人物特征识别方法可以包括以下步骤。
在步骤S301中,对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在步骤S302中,从至少一个人脸图像分组中选择目标人脸图像分组。
在步骤S303中,针对每个目标人脸图像分组,将该目标人脸图像分组中的第一数量的人脸图像标记为代表人脸图像,其中,该第一数量基于该目标人脸图像分组中的人脸图像的总数、以及针对该目标人脸图像分组预设的比例来确定。
在一些实施方式中,可以首先预设一比例,其中,该比例可以用于表示期望的代表人脸图像占目标人脸图像分组中的全部人脸图像的占比。之后,可以根据目标人脸图像分组中的人脸图像的总数、以及该比例,计算出期望的代表人脸图像的个数。如果该期望的个数为整数,则该期望的个数可以作为所述第一数量。如果该期望的个数不为整数,则可以将该期望的个数四舍五入成整数。之后,将得到的整数作为所述第一数量。
在一个可选的实施方式中,针对每个目标人脸图像分组预设的比例可以相同。
在另一个可选的实施方式中,针对每个目标人脸图像分组预设的比例可能不同。例如,可以根据每个目标人脸图像分组包括的人脸图像的总数来预设相应的比例。可选地,目标人脸图像分组中的人脸图像的总数越多,针对该目标人脸图像分组预设的比例越小。这样,可以在目标人脸图像分组中的人脸图像的总数较多(例如,几千张)的情况下,可以适当将比例设定得小一些(例如,1%~10%),从而避免标记过多的代表人脸图像而使计算量大幅度增加、识别效率降低。而在目标人脸图像分组中的人脸图像的总数较少(例如,几张)的情况下,可以适当将比例设定得大一些(例如,30%~50%),从而避免标记过少的代表人脸图像而使人物特征信息识别的准确度降低。
在步骤S304中,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
通过这一实施方式,可以综合考虑人物特征信息识别的准确度要求、用户终端设备的计算处理能力等,来针对不同的目标人脸图像分组设定其对应的比例,从而可以在保证人物特征信息识别的准确度的同时,尽可能提高识别效率,减小计算量,从而维持用户终端设备的总体性能。
图4是根据另一示例性实施例示出的一种人物特征识别方法的流程图,该人物特征识别方法可以应用于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图4所示,该人物特征识别方法可以包括以下步骤。
在步骤S401中,对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在步骤S402中,从至少一个人脸图像分组中选择目标人脸图像分组。
在步骤S403中,针对每个目标人脸图像分组,根据该目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像。
如前所述,人脸图像的图像信息可以例如为包含人脸特征、拍摄时间等信息的多维向量。这样,可以根据目标人脸图像分组中的每个人脸图像的向量,确定出一参考向量,该参考向量所表示的人脸图像即为第一参考人脸图像。在一个可选的实施方式中,可以对每个人脸图像的向量进行平均,得到该参考向量。这样,所得到的参考向量所表示的人脸图像可以作为目标人脸图像分组中的各个人脸图像的目标中心点。
接下来,在步骤S404中,从目标人脸图像分组中获取与第一参考人脸图像相似度最高的人脸图像,并将该相似度最高的人脸图像添加到参考人脸图像集合中。其中,该参考人脸图像集合初始可以为空集。
两个人脸图像之间的相似度可以取决于两个人脸图像的图像信息之间的距离。两个人脸图像的图像信息之间的距离越小,表明两个人脸图像之间的相似度最高。可以确定出目标人脸图像分组中的各个人脸图像的图像信息与第一参考人脸图像的图像信息(即,上述参考向量)之间的距离,并将与第一参考人脸图像的图像信息之间的距离最小的人脸图像(即,与第一参考人脸图像的相似度最高)添加到参考人脸图像集合中。
在步骤S405中,判断参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量。其中,所述第二数量为大于或等于1的自然数。
在步骤S406中,在参考人脸图像集合中的人脸图像的总数小于第二数量的情况下,从目标人脸图像分组中、除参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将该相似度最低的人脸图像添加到参考人脸图像集合中。
假设目标人脸图像分组中包括M张人脸图像,那么,通过步骤S404,可以将M张人脸图像中的一张人脸图像添加到参考人脸图像集合中。此时,如果参考人脸图像集合中的人脸图像的总数没有达到第二数量,则可以从剩余的M-1张人脸图像中,确定出与前次添加到参考人脸图像集合中的人脸图像的距离最大的人脸图像,即,相似度最低的人脸图像。之后,将确定出的相似度最低的人脸图像添加到参考人脸图像集合中,以扩充参考人脸图像集合。
重复执行步骤S405,直到参考人脸图像集合中的人脸图像的总数等于第二数量为止。
在步骤S407中,在参考人脸图像集合中的人脸图像的总数等于第二数量的情况下,根据参考人脸图像集合中的人脸图像,在目标人脸图像分组中标记代表人脸图像。
通过上述方式获得的参考人脸图像集合,其中包括的人脸图像中涵盖了目标人脸图像分组中相对核心的人脸图像(大约分布在该类的中心)、以及目标人脸图像分组中相对边缘的人脸图像(大约分布在该类的边缘)。这样,基于这些人脸图像来在目标人脸图像分组中标记代表人脸图像,可以使得标记出的代表人脸图像能够更为全面地表示该人物,而不是仅仅局限于整个目标人脸图像分组的类分布中相对集中的几个人脸图像,从而提高人物特征信息识别的准确性。
在一个可选的实施方式中,用户终端设备可以在目标人脸图像分组中,将包括在参考人脸图像集合中的人脸图像标记为代表人脸图像。也就是说,在该实施方式中,直接将参考人脸图像集合中的人脸图像作为代表人脸图像。
在另一个可选的实施方式中,该步骤S407可以包括以下步骤:
以第一参考人脸图像为目标,对参考人脸图像集合中的人脸图像进行收缩处理,得到第二数量的第二参考人脸图像。
可以预设一收缩因子,并基于该收缩因子,对参考人脸图像集合中的人脸图像进行收缩处理。收缩的目的在于将处于类边缘的人脸图像向类中心收缩靠拢,得到收缩后的位置点。通过对参考人脸图像集合中的各个人脸图像进行收缩处理,可以得到相对应的第二参考人脸图像(即,相当于收缩后的位置点),其中,每个第二参考人脸图像与参考人脸图像集合中的每个人脸图像一一对应,并且每个第二参考人脸图像的图像信息是通过对参考人脸图像集合中相对应的人脸图像的图像信息进行收缩处理后得到的。
之后,针对每个第二参考人脸图像,将目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为代表人脸图像。也就是说,针对每个第二参考人脸图像,都从目标人脸图像分组中确定出与该第二参考人脸图像的距离最小(即,相似度最高)的人脸图像,并将该人脸图像标记为代表人脸图像。
在一个实施方式中,假设针对某个第二参考人脸图像,在标记代表人脸图像时,如果目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像之前已经被标记为代表人脸图像,那么可以不再对该人脸图像标记代表人脸图像。
在另一实施方式中,针对每个第二参考人脸图像,可以将目标人脸图像分组的除被标记为代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为代表人脸图像。也就是说,针对每个第二参考人脸图像,都从目标人脸图像分组的除被标记为代表人脸图像之外的人脸图像中,确定出与该第二参考人脸图像的距离最小(即,相似度最高)的人脸图像,并将该人脸图像标记为代表人脸图像。由此,针对不同的第二参考人脸图像,标记出的代表人脸图像不同。并且可选地,代表人脸图像的数量与第二参考人脸图像的数量相同。
在步骤S408中,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
通过先对参考人脸图像集合中的人脸图像进行收缩处理,并从目标人脸图像分组中获取与收缩得到的参考人脸图像最相似的人脸图像作为代表人脸图像,由此,可以避免因位于类边缘的人脸图像自身的不清晰而对人物特征信息识别产生干扰,从而进一步提高人物特征信息识别的准确度。
图5是根据另一示例性实施例示出的一种人物特征识别方法的流程图,该人物特征识别方法可以应用于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图5所示,该人物特征识别方法可以包括以下步骤。
在步骤S501中,对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像。
在步骤S502中,从至少一个人脸图像分组中选择目标人脸图像分组。
在步骤S503中,针对每个目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像。
在步骤S504中,对每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
在步骤S505中,显示人物特征信息。
例如,如上所述,用户终端设备可以从每个人脸图像分组中(任意)选取一张人脸图像作为显示对象进行显示,以代表每个人脸图像分组。在这种情况下,用户终端设备可以在目标人脸图像分组对应的显示位置上显示该目标人脸图像分组所表示的人物的人物特征信息,如图6所示,以使用户能够在直观地获悉人脸分组结果的同时,还能直观地获悉到关于人物的人物特征信息,从而方便用户的使用,并提升用户体验。
图7是根据一示例性实施例示出的一种人物特征识别装置的结构框图,该人物特征识别装置可以配置于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图7所示,该人物特征识别装置可以包括:聚类模块701,被配置为对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;选择模块702,被配置为从聚类模块701得到的至少一个人脸图像分组中选择目标人脸图像分组;标记模块703,被配置为针对通过选择模块702选择出的每个目标人脸图像分组,将该目标人脸图像分组中的部分人脸图像标记为代表人脸图像;识别模块704,被配置为对标记模块703标记出的每个代表人脸图像进行识别,得出每个目标人脸图像分组表示的人物的人物特征信息。
可选地,人物特征信息可以包括以下中的至少一者:年龄、年龄段、性别。
图8是根据另一示例性实施例示出的一种人物特征识别装置的结构框图,该人物特征识别装置可以配置于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图8所示,选择模块702可以包括:显示子模块801,被配置为显示聚类模块701得到的至少一个人脸图像分组的分组选择界面;接收子模块802,被配置为接收用户在通过显示子模块801显示的分组选择界面上进行的、对至少一个人脸图像分组的选择操作指令;选择子模块803,被配置为将用户选择的人脸图像分组作为目标人脸图像分组。
图9是根据另一示例性实施例示出的一种人物特征识别装置的结构框图,该人物特征识别装置可以配置于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图9所示,标记模块703可以包括:第一标记子模块901,被配置为将通过选择模块702选择出的目标人脸图像分组中的第一数量的人脸图像标记为代表人脸图像,其中,该第一数量基于目标人脸图像分组中的人脸图像的总数、以及针对目标人脸图像分组预设的比例来确定。
可选地,目标人脸图像分组中的人脸图像的总数越多,针对目标人脸图像分组预设的比例越小。
图10A至图10C是根据另一示例性实施例示出的一种人物特征识别装置的结构框图,该人物特征识别装置可以配置于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图10A所示,标记模块703可以包括:参考人脸图像确定子模块1001,被配置为根据通过选择模块702选择出的目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像;第一获取子模块1002,被配置为从目标人脸图像分组中获取与参考人脸图像确定子模块1001确定出的第一参考人脸图像相似度最高的人脸图像,并将该相似度最高的人脸图像添加到参考人脸图像集合中;判断子模块1003,被配置为判断参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量;第二获取子模块1004,被配置为在判断子模块1003判断出参考人脸图像集合中的人脸图像的总数小于第二数量的情况下,从目标人脸图像分组中、除参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将该相似度最低的人脸图像添加到参考人脸图像集合中;循环子模块1005,被配置为重复运行判断子模块1003,直到参考人脸图像集合中的人脸图像的总数等于第二数量为止;第二标记子模块1006,被配置为在判断子模块1003判断出参考人脸图像集合中的人脸图像的总数等于第二数量的情况下,根据参考人脸图像集合中的人脸图像,在目标人脸图像分组中标记代表人脸图像。
可选地,如图10B所示,第二标记子模块1006可以包括:第三标记子模块1007,被配置为在目标人脸图像分组中,将包括在参考人脸图像集合中的人脸图像标记为代表人脸图像。
可选地,如图10C所示,第二标记子模块1006可以包括:收缩处理子模块1008,被配置为以第一参考人脸图像为目标,对参考人脸图像集合中的人脸图像进行收缩处理,得到第二数量的第二参考人脸图像;第四标记子模块1009,被配置为针对经收缩处理子模块1008进行收缩处理后得到的每个第二参考人脸图像,将目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为代表人脸图像。
可选地,在图10C所示的装置中,第四标记子模块1009可以被配置为针对经收缩处理子模块1008进行收缩处理后得到的每个第二参考人脸图像,将目标人脸图像分组的除被标记为代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为代表人脸图像。
图11是根据另一示例性实施例示出的一种人物特征识别装置的结构框图,该人物特征识别装置可以配置于用户终端设备中,其中,该用户终端设备可以例如为智能手机、平板电脑、个人计算机(PC)、膝上型计算机、智能穿戴设备等等。如图11所示,该装置还可以包括:人物特征信息显示模块705,被配置为显示识别模块704得出的人物特征信息。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图12是根据一示例性实施例示出的一种人物特征识别装置1200的框图。例如,装置1200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图12,装置1200可以包括以下一个或多个组件:处理组件1202,存储器1204,电力组件1206,多媒体组件1208,音频组件1210,输入/输出(I/O)的接口1212,传感器组件1214,以及通信组件1216。
处理组件1202通常控制装置1200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220来执行指令,以完成上述人物特征识别方法的全部或部分步骤。此外,处理组件1202可以包括一个或多个模块,便于处理组件1202和其他组件之间的交互。例如,处理组件1202可以包括多媒体模块,以方便多媒体组件1208和处理组件1202之间的交互。
存储器1204被配置为存储各种类型的数据以支持在装置1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理***,一个或多个电源,及其他与为装置1200生成、管理和分配电力相关联的组件。
多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1208包括一个前置摄像头和/或后置摄像头。当装置1200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件1210被配置为输出和/或输入音频信号。例如,音频组件1210包括一个麦克风(MIC),当装置1200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中,音频组件1210还包括一个扬声器,用于输出音频信号。
I/O接口1212为处理组件1202和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1214包括一个或多个传感器,用于为装置1200提供各个方面的状态评估。例如,传感器组件1214可以检测到装置1200的打开/关闭状态,组件的相对定位,例如所述组件为装置1200的显示器和小键盘,传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变,用户与装置1200接触的存在或不存在,装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件1216经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述人物特征识别方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1204,上述指令可由装置1200的处理器1220执行以完成上述人物特征识别方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (15)
1.一种人物特征识别方法,其特征在于,所述方法包括:
对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;
从所述至少一个人脸图像分组中选择目标人脸图像分组;
针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;
对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
2.根据权利要求1所述的方法,其特征在于,所述从所述至少一个人脸图像分组中选择目标人脸图像分组,包括:
显示所述至少一个人脸图像分组的分组选择界面;
接收用户在所述分组选择界面上进行的对所述至少一个人脸图像分组的选择操作指令;
将用户选择的人脸图像分组作为所述目标人脸图像分组。
3.根据权利要求1或2所述的方法,其特征在于,所述将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像,包括:
将所述目标人脸图像分组中的第一数量的人脸图像标记为所述代表人脸图像,其中,所述第一数量基于所述目标人脸图像分组中的人脸图像的总数、以及针对所述目标人脸图像分组预设的比例来确定。
4.根据权利要求3所述的方法,其特征在于,所述目标人脸图像分组中的人脸图像的总数越多,针对所述目标人脸图像分组预设的比例越小。
5.根据权利要求1或2所述的方法,其特征在于,所述将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像,包括:
根据所述目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像;
从所述目标人脸图像分组中获取与所述第一参考人脸图像相似度最高的人脸图像,并将所述相似度最高的人脸图像添加到参考人脸图像集合中;
判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量;
在所述参考人脸图像集合中的人脸图像的总数小于所述第二数量的情况下,从所述目标人脸图像分组中、除所述参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到所述参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将所述相似度最低的人脸图像添加到所述参考人脸图像集合中;
重复执行所述判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量,直到所述参考人脸图像集合中的人脸图像的总数等于所述第二数量为止;
在所述参考人脸图像集合中的人脸图像的总数等于所述第二数量的情况下,根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像,包括:
在所述目标人脸图像分组中,将包括在所述参考人脸图像集合中的人脸图像标记为所述代表人脸图像;或者
所述根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像,包括:
以所述第一参考人脸图像为目标,对所述参考人脸图像集合中的人脸图像进行收缩处理,得到所述第二数量的第二参考人脸图像;
针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
7.根据权利要求6所述的方法,其特征在于,所述针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像,包括:
针对每个所述第二参考人脸图像,将所述目标人脸图像分组的除被标记为所述代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
8.一种人物特征识别装置,其特征在于,所述装置包括:
聚类模块,被配置为对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;
选择模块,被配置为从所述至少一个人脸图像分组中选择目标人脸图像分组;
标记模块,被配置为针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;
识别模块,被配置为对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
9.根据权利要求8所述的装置,其特征在于,所述选择模块包括:
显示子模块,被配置为显示所述至少一个人脸图像分组的分组选择界面;
接收子模块,被配置为接收用户在所述分组选择界面上进行的对所述至少一个人脸图像分组的选择操作指令;
选择子模块,被配置为将用户选择的人脸图像分组作为所述目标人脸图像分组。
10.根据权利要求8或9所述的装置,其特征在于,所述标记模块包括:
第一标记子模块,被配置为将所述目标人脸图像分组中的第一数量的人脸图像标记为所述代表人脸图像,其中,所述第一数量基于所述目标人脸图像分组中的人脸图像的总数、以及针对所述目标人脸图像分组预设的比例来确定。
11.根据权利要求10所述的装置,其特征在于,所述目标人脸图像分组中的人脸图像的总数越多,针对所述目标人脸图像分组预设的比例越小。
12.根据权利要求8或9所述的装置,其特征在于,所述标记模块包括:
参考人脸图像确定子模块,被配置为根据所述目标人脸图像分组中的各个人脸图像的图像信息,确定第一参考人脸图像;
第一获取子模块,被配置为从所述目标人脸图像分组中获取与所述第一参考人脸图像相似度最高的人脸图像,并将所述相似度最高的人脸图像添加到参考人脸图像集合中;
判断子模块,被配置为判断所述参考人脸图像集合中的人脸图像的总数是否等于预设的第二数量;
第二获取子模块,被配置为在所述参考人脸图像集合中的人脸图像的总数小于所述第二数量的情况下,从所述目标人脸图像分组中、除所述参考人脸图像集合中的人脸图像之外的人脸图像中,获取与前次添加到所述参考人脸图像集合中的人脸图像相似度最低的人脸图像,并将所述相似度最低的人脸图像添加到所述参考人脸图像集合中;
循环子模块,被配置为重复运行所述判断子模块,直到所述参考人脸图像集合中的人脸图像的总数等于所述第二数量为止;
第二标记子模块,被配置为在所述参考人脸图像集合中的人脸图像的总数等于所述第二数量的情况下,根据所述参考人脸图像集合中的人脸图像,在所述目标人脸图像分组中标记所述代表人脸图像。
13.根据权利要求12所述的装置,其特征在于,所述第二标记子模块包括:
第三标记子模块,被配置为在所述目标人脸图像分组中,将包括在所述参考人脸图像集合中的人脸图像标记为所述代表人脸图像;或者
所述第二标记子模块包括:
收缩处理子模块,被配置为以所述第一参考人脸图像为目标,对所述参考人脸图像集合中的人脸图像进行收缩处理,得到所述第二数量的第二参考人脸图像;
第四标记子模块,被配置为针对每个所述第二参考人脸图像,将所述目标人脸图像分组中与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
14.根据权利要求13所述的装置,其特征在于,所述第四标记子模块,被配置为针对每个所述第二参考人脸图像,将所述目标人脸图像分组的除被标记为所述代表人脸图像之外的人脸图像中、与该第二参考人脸图像相似度最高的人脸图像标记为所述代表人脸图像。
15.一种人物特征识别装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
对多张人脸图像进行聚类,得到至少一个人脸图像分组,其中,每个人脸图像分组包括属于同一人物的人脸图像;
从所述至少一个人脸图像分组中选择目标人脸图像分组;
针对每个所述目标人脸图像分组,将所述目标人脸图像分组中的部分人脸图像标记为代表人脸图像;
对每个所述代表人脸图像进行识别,得出每个所述目标人脸图像分组表示的人物的人物特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510780637.1A CN105404863B (zh) | 2015-11-13 | 2015-11-13 | 人物特征识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510780637.1A CN105404863B (zh) | 2015-11-13 | 2015-11-13 | 人物特征识别方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105404863A true CN105404863A (zh) | 2016-03-16 |
CN105404863B CN105404863B (zh) | 2018-11-02 |
Family
ID=55470340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510780637.1A Active CN105404863B (zh) | 2015-11-13 | 2015-11-13 | 人物特征识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404863B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679560A (zh) * | 2017-09-15 | 2018-02-09 | 广东欧珀移动通信有限公司 | 数据传输方法、装置、移动终端及计算机可读存储介质 |
CN107977674A (zh) * | 2017-11-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108038431A (zh) * | 2017-11-30 | 2018-05-15 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
CN108121943A (zh) * | 2016-11-30 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 基于图片的判别方法及装置和计算设备 |
CN108875778A (zh) * | 2018-05-04 | 2018-11-23 | 北京旷视科技有限公司 | 人脸聚类方法、装置、***和存储介质 |
WO2019052316A1 (zh) * | 2017-09-15 | 2019-03-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
CN109597907A (zh) * | 2017-12-07 | 2019-04-09 | 深圳市商汤科技有限公司 | 服饰管理方法和装置、电子设备、存储介质 |
CN110069989A (zh) * | 2019-03-15 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 人脸图像处理方法及装置、计算机可读存储介质 |
CN110267008A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN111061899A (zh) * | 2019-12-18 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
CN112419637A (zh) * | 2019-08-22 | 2021-02-26 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102460433A (zh) * | 2009-06-15 | 2012-05-16 | 皇家飞利浦电子股份有限公司 | 选择代表图像的方法和设备 |
US8520906B1 (en) * | 2007-09-24 | 2013-08-27 | Videomining Corporation | Method and system for age estimation based on relative ages of pairwise facial images of people |
CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
CN104766052A (zh) * | 2015-03-24 | 2015-07-08 | 广州视源电子科技股份有限公司 | 一种人脸识别方法、***及用户终端、服务器 |
-
2015
- 2015-11-13 CN CN201510780637.1A patent/CN105404863B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8520906B1 (en) * | 2007-09-24 | 2013-08-27 | Videomining Corporation | Method and system for age estimation based on relative ages of pairwise facial images of people |
CN102460433A (zh) * | 2009-06-15 | 2012-05-16 | 皇家飞利浦电子股份有限公司 | 选择代表图像的方法和设备 |
CN104574299A (zh) * | 2014-12-25 | 2015-04-29 | 小米科技有限责任公司 | 人脸图片处理方法及装置 |
CN104766052A (zh) * | 2015-03-24 | 2015-07-08 | 广州视源电子科技股份有限公司 | 一种人脸识别方法、***及用户终端、服务器 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108121943A (zh) * | 2016-11-30 | 2018-06-05 | 阿里巴巴集团控股有限公司 | 基于图片的判别方法及装置和计算设备 |
US11126827B2 (en) | 2016-11-30 | 2021-09-21 | Alibaba Group Holding Limited | Method and system for image identification |
CN107679560A (zh) * | 2017-09-15 | 2018-02-09 | 广东欧珀移动通信有限公司 | 数据传输方法、装置、移动终端及计算机可读存储介质 |
WO2019052316A1 (zh) * | 2017-09-15 | 2019-03-21 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和移动终端 |
WO2019052432A1 (zh) * | 2017-09-15 | 2019-03-21 | Oppo广东移动通信有限公司 | 数据传输方法、移动终端及计算机可读存储介质 |
US10796133B2 (en) | 2017-11-21 | 2020-10-06 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image processing method and apparatus, and electronic device |
CN107977674A (zh) * | 2017-11-21 | 2018-05-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
WO2019100828A1 (en) * | 2017-11-21 | 2019-05-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Image processing method and apparatus, and electronic device |
CN108038431A (zh) * | 2017-11-30 | 2018-05-15 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机设备和计算机可读存储介质 |
WO2019105457A1 (zh) * | 2017-11-30 | 2019-06-06 | Oppo广东移动通信有限公司 | 图像处理方法、计算机设备和计算机可读存储介质 |
CN109597907A (zh) * | 2017-12-07 | 2019-04-09 | 深圳市商汤科技有限公司 | 服饰管理方法和装置、电子设备、存储介质 |
CN108875778A (zh) * | 2018-05-04 | 2018-11-23 | 北京旷视科技有限公司 | 人脸聚类方法、装置、***和存储介质 |
CN110069989B (zh) * | 2019-03-15 | 2021-07-30 | 上海拍拍贷金融信息服务有限公司 | 人脸图像处理方法及装置、计算机可读存储介质 |
CN110069989A (zh) * | 2019-03-15 | 2019-07-30 | 上海拍拍贷金融信息服务有限公司 | 人脸图像处理方法及装置、计算机可读存储介质 |
CN110267008A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN112419637A (zh) * | 2019-08-22 | 2021-02-26 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
CN112419637B (zh) * | 2019-08-22 | 2024-05-14 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
CN111061899A (zh) * | 2019-12-18 | 2020-04-24 | 深圳云天励飞技术有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
CN111061899B (zh) * | 2019-12-18 | 2022-04-26 | 深圳云天励飞技术股份有限公司 | 一种档案代表图片生成方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105404863B (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404863A (zh) | 人物特征识别方法及*** | |
CN105159871B (zh) | 文本信息检测方法及装置 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN105528606A (zh) | 区域识别方法及装置 | |
CN104486451B (zh) | 应用程序推荐方法及装置 | |
CN105335754A (zh) | 文字识别方法及装置 | |
CN104536935B (zh) | 计算显示方法、计算编辑方法及装置 | |
CN105389296A (zh) | 信息分割方法及装置 | |
CN104281432A (zh) | 调节音效的方法及装置 | |
CN105469056A (zh) | 人脸图像处理方法及装置 | |
CN109543066A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN105975156A (zh) | 应用界面显示方法及装置 | |
CN106502560A (zh) | 显示控制方法及装置 | |
CN110781323A (zh) | 多媒体资源的标签确定方法、装置、电子设备及存储介质 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN105487805A (zh) | 对象操作方法及装置 | |
CN109670077A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN105824955A (zh) | 短信聚类方法及装置 | |
CN104408404A (zh) | 人脸识别方法及装置 | |
CN105426878A (zh) | 人脸聚类方法及装置 | |
CN104461348A (zh) | 信息选取方法及装置 | |
CN105511777A (zh) | 触控显示屏上的会话显示方法及装置 | |
CN106503131A (zh) | 获取兴趣信息的方法及装置 | |
CN110764627A (zh) | 一种输入方法、装置和电子设备 | |
CN105975961A (zh) | 人脸识别的方法、装置及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |